A resposta direta para o empresário: em julho de 2026 o custo de rodar IA caiu drasticamente. Três laboratórios líderes lançaram novos modelos em um único dia (9 de julho), desencadeando uma guerra de preços que levou o preço por token a níveis indisponíveis há um ano. Hoje você pode rodar IA de alta qualidade a partir de um dólar por milhão de tokens de entrada. Na prática, isso significa que recursos que você engavetou por serem "caros demais" agora podem fechar a conta, e o cálculo de "construir agora ou esperar" mudou a favor de construir.

O que aconteceu em julho de 2026?

Os lançamentos vieram em sequência ao longo de duas semanas: a xAI lançou o Grok 4.5 (8 de julho) prometendo menor consumo de tokens; em 9 de julho a OpenAI disponibilizou de forma geral sua família GPT-5.6 em três níveis, e a Meta lançou o Muse Spark 1.1 no mesmo dia; depois a Moonshot lançou o modelo de código aberto Kimi K3 (16 de julho). Três laboratórios de ponta se movendo no mesmo dia é algo raro, e o resultado foi uma pressão competitiva que derrubou os preços em todo o mercado, não em um único provedor.

Quanto os preços realmente caíram?

Os números contam a história. A família GPT-5.6 da OpenAI tem três níveis por milhão de tokens (entrada/saída): o topo de linha "Sol" a US$ 5 e US$ 30, o equilibrado "Terra" a US$ 2,50 e US$ 15, e o econômico "Luna" a apenas US$ 1 e US$ 6. O Google cobra pelo Gemini 3.5 Flash US$ 1,50 na entrada e US$ 9 na saída, com tokens em cache a US$ 0,15. A Anthropic oferece o Claude Sonnet 5 a um preço promocional de US$ 2 e US$ 10 até o fim de agosto de 2026. Para uma comparação prática: uma conta mensal de 50 milhões de tokens de entrada e 10 milhões de saída custa cerca de US$ 110 no Luna, US$ 275 no Terra e US$ 550 no Sol — o mesmo trabalho, e o nível mais caro custa cinco vezes o mais barato.

Por que os preços estão caindo?

Três forças se combinam. Primeiro, a competição: vários provedores com qualidade comparável forçam todos a cortar preços. Segundo, as famílias em níveis: todo modelo agora tem uma versão "econômica" forte (Luna e Flash), capaz o suficiente para a maioria das tarefas do dia a dia por uma pequena fração do preço do topo de linha. Terceiro, os modelos de código aberto: um modelo como o Kimi K3 — o maior modelo de código aberto, com 2,8 trilhões de parâmetros — pode ser baixado e executado na sua própria infraestrutura sem pagar por requisição, o que impõe um teto competitivo aos preços das APIs fechadas. Some a isso os descontos de cache: repetir o mesmo contexto (instruções fixas ou um documento de referência) rende até 90% de desconto nos tokens lidos do cache.

O que isso significa para as suas decisões?

Recalcule o que você engavetou: cada recurso de IA que você rejeitou há um ano por causa do custo merece um novo cálculo com os preços de hoje — resumos de chamadas, respostas automáticas, triagem de solicitações, extração de dados de documentos. Roteie as tarefas entre níveis: não chame o modelo mais caro para tudo; envie as tarefas simples e repetitivas para um nível econômico (Luna ou Flash) e reserve o topo de linha apenas para as tarefas difíceis, economizando várias vezes sem perder qualidade onde ela importa. E aproveite o cache: se suas instruções ou documentos de referência são fixos entre as requisições, a arquitetura certa reduz sua conta drasticamente.

Mas o preço do token não é o custo total

Cuidado ao interpretar um preço baixo como "praticamente de graça". O custo real é determinado pelo volume, não apenas pelo preço por token: um milhão de requisições pequenas custa mais do que mil grandes. Preços baixos também incentivam o uso excessivo, e a conta sobe antes que você perceba. E há custos que nunca aparecem em uma tabela de preços: engenharia do sistema, monitoramento, otimização e novas tentativas em caso de falha. Mais importante: o preço promocional baixo de hoje pode subir amanhã; por isso, não construa seu modelo de negócio sobre o preço momentâneo de um provedor — projete seu sistema para que o modelo possa ser trocado sem reconstrução.

Como aproveitar isso com a Origami

Na Origami, construímos sistemas de IA com atenção ao custo desde o primeiro dia: projetamos uma camada de roteamento que envia cada tarefa ao modelo que melhor se encaixa em preço e qualidade, ativamos o cache para contextos fixos e isolamos o modelo atrás de uma interface unificada para que ele possa ser trocado quando o mercado mudar, sem mexer no resto do sistema. O resultado são recursos inteligentes a um custo previsível e controlável — sem surpresas no fim do mês.

Conclusão

A guerra de preços de 2026 mudou a equação: a IA avançada deixou de ser um luxo caro e virou uma ferramenta ao alcance de qualquer organização saudita. A oportunidade não está em correr atrás do modelo mais barato toda semana, mas em revisitar os recursos que você adiou e construir um sistema que roteie as tarefas de forma inteligente e permaneça independente de um único fornecedor. Quem refizer as contas agora constrói uma vantagem competitiva enquanto os outros esperam.

Fontes

  • OpenAI — anúncio do GPT-5.6 (9 de julho de 2026): https://openai.com/index/gpt-5-6/
  • Google — página de preços do Gemini: https://ai.google.dev/pricing
  • Anthropic — página de preços do Claude: https://www.anthropic.com/pricing
  • Preços e especificações conforme os anúncios oficiais dos provedores na data de publicação; os preços estão sujeitos a alterações.